研究面向 3D 重建与生成的生成式人工智能和世界模型， 面向 3D 感知理解的视觉-语言-动作多模态大模型，关注目标、几何、语义和交互关系建模。 进一步探索具身智能中的感知、推理、规划和反馈机制，提升智能体对真实三维环境的理解。